王雪莲[1]（2020）在《信丰县柑橘黄龙病危害下的农户行为响应研究》文中进行了进一步梳理病虫害是威胁农业种植安全的重要因素,黄龙病更是被誉为柑橘类的绝症。本文以赣南柑橘主产区之一的信丰县为研究区域,借助问卷调查和灰色关联度等相关分析方法,试图了解黄龙病危害下的农户行为响应变化,并对柑橘种植规模的影响因素进行探究,研究结果如下:（1）2013-2016年的柑橘黄龙病导致柑橘果树大面积砍伐,也使得柑橘产量急剧下降。但目前黄龙病情已得到有效控制,开始逐渐恢复柑橘生产。柑橘品种与熟制上,信丰县主要种植中熟脐橙,在农户种植规模上,以小规模种植农户居多,个别乡镇橘农种植规模较大,但农户数量不多。（2）黄龙病爆发前,柑橘销售价格较高时农户种植柑橘意愿较强;销售价格较低时,种植意愿较低。黄龙病爆发后,经济基础较好,收入稳定的农户更乐于种植柑橘。柑橘种植面积较大且多连片种植的柑橘果园更易受黄龙病感染,发病率更高,小规模柑橘种植农户数越多的乡镇越难以在短时间内控制黄龙病疫情,丘陵山地地形一定程度上能够减轻黄龙病情的蔓延。（3）橘农多为受教育水平较低的中年男子,从不同受教育水平的橘农分析可知,受教育水平较高的青年男子种植规模更大。当果园与家庭宅基地距离较远,不方便柑橘管理时,农户常在果园内建立新的常住地。果园闲置或转让,不再种植柑橘;因地制宜改种其他作物;边补边种或修整后再种是黄龙病爆发后农户行为响应的主要方式。他人种植柑橘对橘农的影响主要是病虫害的传染,橘农间的相互沟通与交流、农用化肥站的推广和政府组织的培训是农户获取柑橘信息的主要通道。（4）务工与务农是当地人群主要工作类型,在条件允许的情况下,农户常充分利用周边一切有利资源与环境发展其生计。靠近县城中心的农户利用临近销售市场的优势发展蔬菜种植,距离工业园区更近的农户务工的同时兼职务农。（5）农户租入的丘陵山地面积、家庭收入状况、常在家务农人口以及经济基础与柑橘种植规模高度关联,是柑橘种植规模的主要影响因素。拥有足够的劳动力与一定丘陵山地面积,家庭收入较稳定,柑橘种植的正向影响、价格上升的趋向和良好的生产发展环境能够有效促进农户种植柑橘。柑橘种植负责人的性别对柑橘种植规模影响不显着。
刘警鉴[2]（2019）在《基于SAR影像数据提取水稻面积的方法研究 ——以海南省早稻为例》文中研究表明海南省属于我国南方地区,利用光学遥感数据进行水稻遥感监测经常受到云、雾、雨的干扰,无法获取有效长时间序列光学遥感数据,就无法精确识别提取水稻。虽然很多研究都在针对光学遥感数据做去云处理、融合多源遥感数据和物候曲线平滑处理等,能降低“云”噪声的影响程度,但是从根本上无法消除“云”噪声的影响,从而限制水稻识别提取的精度。本研究考虑到合成孔径雷达（SAR）数据具备全天时、全天候的优点,但是GF-3等多种多极化合成孔径雷达数据,存在购买数据、增加成本的等一系列问题。因此,本研究选择可免费获取长时间序列、高分辨率的Sentinel-1A雷达数据围绕识别提取早稻种植面积这一科学问题开展详细研究。本研究为了提高早稻种植面积识别提取的精度,以及让同时相不同极化数据或者不同时相同极化数据能较好地反映地物的时域后向散射系数特征的基础上。考虑到水体的时域后向散射系数在各个时期都处于较为平稳、低值的因素,沿用极化差分SAR图像、极化比值SAR图像的思路,对预处理之后的极化SAR数据进行水体归一化比值处理。采用专家知识决策树分类方法（基于样本统计分析的阈值分类方法）实现早稻区域与非早稻区域的分类识别提取研究,以此探讨Sentinel-1A雷达数据在南方地区识别提取早稻种植面积的可行性和应用潜力,以及探讨水体归一化参数改善极化SAR图像质量和提高早稻种植面积识别提取精度的优势。本研究得出以下结果和结论:（1）提取的早稻种植区与海南省的主要早稻生产基地在空间分布上基本一致。早稻种植区主要分布在海南省的西北部地区、东北部地区、中部偏北地区,约占全省早稻种植面积的70%以上,其余主要分布在海南岛周围的沿海地区。从混淆矩阵分析、面积分析、目视判读分析以及各地级市、县级的精度评价分析,表明海南省早稻种植面积识别提取精度效果良好。早稻种植面积提取的总体精度（Overall Accuracy,OA）为91.25%,Kappa系数为0.8167,制图精度为83.60%,用户精度为78.97%;早稻种植面积达144.70千公顷,与2017年海南省早稻统计数据130.15千公顷相比,相差14.55千公顷,相对误差为6.38%。（2）提取早稻种植面积的最佳监测系数是多时相的NDVH数据。NDVH数据能有效消减极化SAR图像因极化方式、相干斑点噪声以及地形因素带来的影响,更能有效提高SAR图像的质量和凸显早稻区域的纹理、色调特征。结果表明,多时相NDVH数据更适合应用于海南省早稻种植面积的识别提取研究,更能有效模拟早稻真实生长发育的物候特征。（3）最佳分类方法是基于专家知识决策树的阈值分类方法。本研究采用监督分类方法和专家知识决策树等多种分类方法对预处理之后的极化SAR数据进行分类提取。结果表明监督分类方法和CART算法不适合用于极化SAR数据在地形起伏较大、复杂区域的分类提取研究,唯独基于样本统计分析的阈值分类方法更适合用于极化SAR数据提取海南省早稻种植面积的研究。（4）结合Sentinel-2光学遥感数据和DEM数据,可以提高早稻种植面积识别提取的精度。因研究区的地形复杂、地形起伏较大的因素,导致极化SAR数据的回波信号出现较大偏差,而根据本研究仅仅使用极化SAR数据和水体归一化参数是无法消减此类的影响,所以结合光学数据和DEM数据在这方面具备的优势,有效辅助极化SAR数据消减因地形因素带来的影响。（5）长时间序列、高分辨率的极化SAR影像数据相对于中低分辨率的光学影像（Landsat、MODIS）来说,具备一定的优势。可以在多云雨的海南省地区有效模拟早稻生长发育的物候特征,弥补光学影像存在的缺点,也可以进一步减少混合像元的影响。本研究创新之处:本研究采用可免费获取的Sentinel-1A雷达数据,对预处理之后的极化SAR数据进行水体归一化比值处理,以此提出一种新的基于极化SAR数据监测早稻种植面积的识别提取参数。
李琪[3]（2018）在《水稻化肥农药减量增效技术推广路径分析 ——基于农户采纳行为视角》文中研究指明我国已经成为全球化肥、农药施用总量和单位面积用量最高的国家,化学投入品的过量使用引发了生态破坏、环境污染、质量安全问题等多重危机,推进化肥农药减量增效成为水稻产业绿色转型与提质增效的重要抓手。然而在稻农中推广化肥农药减量增效技术是一个长期而艰巨的任务:一方面,稻农老龄化日趋严重、兼业程度不断提高,劳动力约束趋紧;另一方面,与常规种植技术相比,绿色高效生产技术复杂多样,对生产要素投入和生产管理的要求普遍较高。这就要求创新化肥农药减量增效技术推广路径。鉴于此,本研究以水稻化肥农药减量增效技术为研究对象,基于罗杰斯的创新扩散理论,构建了“技术属性——技术扩散与传播渠道——技术推广体系”的分析框架,对减量增效技术的采纳与推广问题展开研究。首先,基于长江中下游地区6个水稻主产省份678户稻农数据,分别利用C-D生产函数和损害控制函数（DamageControlFunction）分析当前稻农化肥和农药的减量潜力。其次,利用德尔菲法筛选出“一揽子”水稻化肥农药减量增效技术,着眼于技术属性这一农业技术扩散的重要解释因素,分析各项技术的相对优势、复杂性、兼容性、可试性和可观察性五项属性,并根据属性差异将所有技术划分为劳动密集型、资金密集型和知识密集型三类。再次,基于浙江省、江苏省601户稻农数据,运用空间滞后模型（SpatialLagModel）,分析技术示范区和农户社会网络两种技术传播渠道以及生产性服务分别对农户劳动密集型、资金密集型和知识密集型减量增效技术采纳行为的影响,并从中归纳三类技术的扩散特征。再次,基于生产性服务在减量增效技术推广中的重要作用,运用Kano模型和多层线性模型（Hierarchical Linear Models）精确识别农户对配套服务的需求强度、优先顺序与影响因素。最后,针对上述减量增效技术推广的难点与要点,以浙江省萧山区为案例,分析政府及新型经营主体在水稻化肥农药减量增效技术推广体系中的角色分工与协作机制,提出减量增效技术推广路径。本研究的主要结论如下:结论一:当前长江中下游地区稻农的化肥、农药减量潜力很大。稻农化肥过量施用程度严重,实际化肥施用量是最优施用量的1.43倍,化肥投入至少还有三分之一的减量潜力,且至少有73%的稻农可以减少化肥的投入量。稻农农药过量施用程度也很严重,农药投入的边际生产率已经接近于0。结论二:基于“稳定产量、化肥农药减量、适宜推广”标准筛选出了“一揽子”水稻化肥农药减量增效技术。从技术属性来看,减量增效技术具有明显的兼容性、可试性和可观察性,且部分技术表现出成本低的相对优势,然而与常规生产技术相比,技术复杂性普遍较高,表现在需要增加劳动力投入,购买设备、机械或技术学习难度大等方面。根据相对优势和复杂性属性的差异,水稻化肥农药减量增效技术可以划分为劳动密集型、资金密集型和知识密集型三类。结论三:空间滞后模型分析结果表明,化肥农药减量增效技术示范区作为专业群体与农户之间的异质化沟通渠道能够显着促进稻农对资金密集型和知识密集型技术的采纳,资金密集型技术和知识密集型技术的扩散存在显着的示范效应,呈现出由核心示范区域向四周逐渐降低的路径规律。社会网络作为同质农户间的重要沟通渠道能够促进稻农对劳动密集型技术和知识密集型技术的采纳,劳动密集型技术和知识密集型技术的扩散呈现明显的集聚效应,采纳水平相似的农户在地理空间上相互靠近。结论四:Kano模型识别结果表明,稻农在实践化肥农药减量增效技术时最需要的前三项服务分别为植保信息、供种供秧和统防统治,而对农资信息服务和测土信息服务的响应最不积极。多层线性模型分析结果表明,对技术采纳水平较低的农户而言,地区发展水平、生产面积、劳动力数量以及技术难度认知显着影响农户的服务需求。对技术采纳水平较高的农户而言,地区服务可得性显着提高了农户的服务需求,而生产面积对服务需求的影响显着为负。结论五:从案例研究来看,政府农技推广部门应在创建减量增效技术示范区、提供政策、资金与补贴等方面发挥基础作用,负责提供技术培训、植保信息和等公益性服务以及为农户购买各类经营性服务。新型经营主体则应负责示范区的具体运作并且承担统防统治等经营性服务的具体实施,充分借助组织在本地区的人力资本与社会网络优势和专业化、规模化服务优势,创新化肥农药减量增效技术的推广路径。
谭龙飞[4]（2017）在《基于SAR图像与陆基散射测量的水稻甲烷排放评估方法研究》文中进行了进一步梳理水稻作为粮食作物在世界上分布极为广泛,为全球三分之一的人类提供主食。尤其在作为世界稻作起源地的中国,水稻的产量占所有粮食类作物的二分之一。水稻的种植状况和产量在保证世界粮食安全、提高农产品主权和植物遗传资源安全、维护地区和平稳定、食品和淡水资源安全、人类人口规模与可持续发展等有着重要的意义。同时,由于水稻特殊的生长环境以及栽种方式,水稻是所有主要粮食作物中,唯一只有在稻田也就是湿地生态环境中才能种植生长的。因此,不同于小麦、玉米等其他旱地生态系统,水稻在全球温室效应中扮演着温室气体排放源的角色。也正因为如此,中国在很长的一段时间里一直被认为是全球最主要的温室气体排放国家之一。然而,在水稻种植区,大部分区域伴随云、雾和雨等天气,很难实时获得水稻完整生长期的光学遥感图像。微波遥感以其特有的信息获取机制观测地面目标物理和几何特性,及其全天候、全天时和穿透性等特点,微波遥感将更有利于开展稻田甲烷排放监测,理应成为多云多雨地区遥感监测的重要手段。因此,利用微波遥感技术评估稻田甲烷排放量是一种可持续、高效率以及速度快的有效方法。但是,不同地物微波遥感模型和机理极其复杂且差异较大,还需要研究和探索相关的理论和技术问题。同时,微波与地表特别是植被相互作用的机理研究还远远不够,极大地降低了微波遥感在实际应用中的潜力。目前各国星载SAR遥感平台的连续投入使用,人们可以得到大量具备大尺度和全时相的数据优势的遥感图像,也迫切需要研究地物的散射机理和参数定量反演算法。首先,本论文建立了微波遥感测量数据和甲烷排放同步观测数据基础。利用陆基散射计测量系统完成了完整生长季水稻及湿地散射测量实验。同时,针对水稻的微波散射特性（随入射角、时相和空间聚集度）进行了分析。其中,实验主要包括:多频段、多极化、不同方位角（45°,90°,135°）,及不同入射角（0°-90°）的后向散射系数;以及同步静态箱法获得的水稻和湿地甲烷气体采集样本。针对水稻的后向散射系数随入射角变化的散射特征、水稻不同水稻时期的典型入射角散射变化规律,还有水稻后向散射系数与空间生长聚集度变化的散射特性进行了研究,提供了为水稻微波散射模型的建立和相关稻田参数的反演方法数据支撑。然后,以微波散射过程及稻田生物地球化学过程及甲烷产生生态过程和参数反演算法为模型,分析了影响水稻甲烷排放的主要影响因子。主要完成了后向散射系数和生长参数（冠层高度、叶面积指数和杆密度）给出相关经验系数拟合。半经验模型根据考虑的水稻各项散射分量的区别,建立和改进了水稻的密歇根模型和水云模型,并结合陆基散射实验的实测数据确定模型的经验参数。理论密歇根散射模型是根据辐射传输理论建立的,针对水稻和下垫面参数特征和下垫面进行了修正和仿真,进而利用水稻生长时期中包含下垫面水体信息的二次和三次弱散射提取了水体信息,并对比实测数据和仿真结果证明了这些参数反演的准确性,进而为水稻甲烷反演模型的建立提供理论基础。同时,建立了以主动SAR数据为基础的甲烷排放模型以改进的农业生态过程理论模型为基础,建立了水稻微波甲烷排放经验和半经验模型。首先,在模型基础上实现了利用后向散射系数对影响甲烷排放主要经验参数的改进,同时也弥补了实测数据的不足。然后根据水稻生长过程中水稻下垫面水体覆盖的不同,利用后向散射系数将甲烷排放模型划分为有水和无水两种不同的排放情况。其中,下垫面土壤上层无水体覆盖的时候进一步通过反演的土壤含水量确定甲烷排放模型的输入,也更加接近真实环境中水稻甲烷排放。最终,实现了SAR图像区域内水稻生长参数（生物量、LAI、冠层高度等）提取和水稻甲烷排放提取。从具体测量方式来说,研究所用的散射计同星载SAR传感器并不相同,但相同观测地物的后向散射系数的大小与观测方式无关。所以地面散射计测实测的多波段多入射角数据研究得到的水稻和下垫面参数定量反演模型,完全可以应用于同步观测SAR图像数据的信息提取。首先基于同步ASAR和Radarsat-2图像数据对水稻分类和水稻生物量反演结果,利用建立的经验和半经验水稻微波甲烷排放模型,最终实现了实验区域的甲烷排放通量的反演。通过地面实际甲烷排放测量绘制的甲烷排放曲线验证和分析表明,SAR图像能够准确地反演实验区域内不同时相水稻的甲烷排放通量。植被微波散射机理和水稻后向散射系数之间存在复杂的相互关系,在此基础上建立和改进的微波散射模型推动雷达遥感信息提取和定量反演。本文在水稻微波散射机理、参数反演算法和农业生态甲烷排放模型的基础上,利用大量实验数据提出了基于SAR数据的甲烷排放通量经验和半经验模型。在同步实验相同的观测区域完成SAR图像对水稻和湿地植被的生物量反演和甲烷排放估算的示范,进一步为大面积监测湿地环境中植被信息的提取奠定理论和实验基础。
朱萌[5]（2016）在《新型农业经营主体农业技术采用行为研究 ——以江苏省南部395户种稻大户为例》文中认为研究种稻大户这一新型农业经营主体的农业技术采用行为,对于促进农业技术的广泛采用和推广应用,保障我国粮食安全具有重大的战略意义。鉴于此,本文以江苏省南部395户种稻大户这一新型农业经营主体为研究对象,首先,界定其农业技术采用行为研究的相关重要概念,并详细介绍这一研究的理论基础。接着,详细阐述农户采用农业技术的决策动机、特征,农户农业技术采用行为改变的策略以及其技术采用行为和技术需求行为的联系与区别。基于江苏省南部395户种稻大户的微观调研数据,以新品种、病虫草害防治、测土配方施肥及机械化技术为例,运用二元Logistic方法分别实证研究影响种稻大户新品种、病虫草害防治、测土配方施肥及机械化技术需求的因素。接着直接实证研究影响种稻大户采用农业技术的因素。根据其功能以及作用,笔者将其分为增产型技术（包括新品种技术、高产栽培技术、测土配方施肥技术）和环境友好型技术（包括有机肥技术、测土配方施肥技术、抛秧技术、机插秧技术）两大类,然后运用二元Logistic回归、二元Probit回归、LPM模型研究粮食补贴政策对其采用增产型技术的影响,并运用二元Probit回归、二元Logistic回归、LPM模型研究其资源禀赋对其环境友好型技术采用行为的影响。基于湖北省传统散户和江苏省种稻大户的调查数据,以保护性耕作技术（包括免耕技术、少耕技术、病虫草害防治技术）这一种环境友好型技术为例,运用二元Probit模型对比研究这两种不同类型稻农此种技术采用行为的影响因素及其异同,并对导致影响因素存在差异的原因进行深入研究,再运用解释结构模型分别研究他们此种技术采用行为各影响因素之间的层次结构与相互关系。通过上述系统的理论和实证研究,本文主要形成以下几点研究结论:（1）新型农业经营主体理论包括新型农业经营主体的类型及特征,成长中面临的问题,对农业现代化产生的作用,功能定位,培育的条件、建议等十分丰富的内容专业大户、家庭农场、农民专业合作社、农业产业化龙头企业都属于新型农业经营主体。其特征是呈现男性化、年轻化、知识化、组织化、社会化趋势,实行的是规模化和集约化经营,经营水平比较高,从事的是专业化生产,并以市场化为导向,商品化率高,重视品牌建设,盈利能力较强,资金来源呈现多元,追求利益最大化等。其成长中面临的问题主要有国家扶持新型农业经营主体发展的相关款项没有很好地得到落实;针对新型农业经营主体的乱收费现象依然存在;国家相关耕种补贴款存在错配等。它主要在三个方面对农业现代化产生作用,一是能够实现农业市场化、品牌化、绿色化,二是使得农业“老龄化”进程得到了一定程度的延缓,三是使得土地生产率、资金生产率、劳动生产率和集约化水平都得到提高。专业大户的功能定位是使我国农产品的供给得到稳定和增加;积极参与土地流转;为传统农户提供一定的技术指导和信息指导。家庭农场的功能定位是提高我国农产品的质量系数及安全系数;完善农业基础设施;使当地尚未就业的劳动力得到一定程度的解决。农民专业合作社的功能定位是解决小生产与大市场的矛盾;打造区域特色农业;使农村优秀文化得到传承和发扬;改造农村集体经济。农业产业化龙头企业的功能定位是使农业产业链得到延长,使农业比较收益得到提高;推动我国的农产品参加国际竞争;对我国农业发展提供管理示范、金融支持。培育新型农业经营主体的条件主要包括培育新型农业经营主体的根本是经济利益;建立“四位一体”的培育政策支持体系,四位一体是指保险、信贷、税收和金融;塑造比较好的法律环境及制度环境等。在对其进行培育时,以下五个方面的建议可供参考:进一步使农村土地承包政策得到一定程度的完善;完善支持政策;加快统筹城乡发展步伐;深化农村金融改革等。（2）农户采用农业技术的决策动机主要分为两种,农户在对其进行采用时呈现五个方面的一般特征,现在农户对其进行采用时呈现四个方面的特点,农户一般可以采用两种策略来改变其采用技术的行为,其技术采用行为与需求既有区别也有联系农户采用农业技术的决策动机主要分为效用最大化和风险最小化。农户农业技术采用的一般特征包括农业技术采用的经济有利性、周期性、市场诱导性、风险性及农业技术采用是一个学习的过程。现在,农户在采用农业技术时出现的特点包括农业技术采用的多样化、迫切性、自主性增强及农业技术简易化。农户农业技术采用行为改变的策略分为面向行为主体的策略和面向行为环境的策略。农户农业技术采用行为与需求的区别体现为两者的概念有所不同,联系体现为农户采用农业技术这一行为的发生前提是其农业技术需求,这一需求会引发农户采用农业技术的动机,农户的技术动机引发其技术采用行为。农户只有在有效地需求技术的前提下,才会积极地对农业技术进行采用,其有效推广应用才能最终得以实现。（3）种稻大户呈现出多样化的特征,其新品种技术需求、病虫草害防治技术需求、测土配方施肥技术需求、机械化技术需求的影响因素较多种稻大户呈现出男性化、年轻化、专业化、知识化、规模化的特征。在户主人力资本特征中,种稻大户户主的性别显着正向影响他们对新品种技术、病虫草害防治技术、测土配方施肥技术、机械化技术的需求。种稻大户户主的年龄显着负向影响他们对病虫草害防治技术和机械化技术的需求。种稻大户户主是否兼业显着负向影响他们对机械化技术的需求。种稻大户户主的受教育水平显着正向影响他们对新品种技术、病虫草害防治技术、测土配方施肥技术和机械化技术的需求。在农户种粮意愿因素中,种稻大户的水稻种植规模显着正向影响他们对病虫草害防治技术的需求。种稻大户的种粮积极性显着正向影响他们对测土配方施肥技术、机械化技术的需求。在粮食补贴政策因素中,种稻大户对国家粮食补贴政策的满意程度显着正向影响他们对新品种技术、病虫草害防治技术、测土配方施肥技术的需求。（4）粮食补贴政策影响种稻大户采用增产型技术,种稻大户资源禀赋影响其环境友好型技术采用行为粮食补贴政策显着影响种稻大户采用增产型技术。其中,国家粮食补贴金额对种稻大户采用增产型技术具有显着正向影响,即种稻大户获得的国家粮食补贴金额越多,其越有可能采用增产型技术。种稻大户粮食补贴政策满意度对其采用增产型技术具有显着正向影响,即种稻大户对粮食补贴政策越满意,其越愿意采用增产型技术。种稻大户资源禀赋影响其环境友好型技术采用行为。在反映人力资本资源的变量中,户主年龄较小的种稻大户更倾向于接受环境友好型技术。在反映社会经济资源的变量中,参加农民专业合作社的种稻大户比不参加农民专业合作社的种稻大户更能促进环境友好型技术的采用和推广;种稻大户的家庭农业总收入越高,其越倾向于采用环境友好型技术;家庭年收入越高的种稻大户更愿意采用环境友好型技术;非农收入比重越高的种稻大户越不会积极采用环境友好型技术。在反映信息资源的变量中,技术信息获取渠道种类越多的种稻大户采用环境友好型技术的概率越大。（5）传统散户和种稻大户保护性耕作技术采用行为分别受到众多因素的影响,影响这两种不同类型稻农此种技术采用行为的因素同中有异,并且他们此种技术采用行为的影响因素分别具有一定的层次结构与相互关系影响传统散户采用保护性耕作技术的因素分别是性别、受教育程度、家庭人口数、家庭人均年收入、现有住房价值、是否参加农业技术培训,影响种稻大户采用此种技术的因素分别是受教育程度、水稻种植面积、家庭人均年收入、是否提供机械补贴、是否参加农业技术培训、土地流转。其中,受教育程度、家庭人均年收入、是否参加农业技术培训是共同的影响因素,性别、家庭人口数、现有住房价值只影响前者此种技术采用行为,水稻种植面积、是否提供机械补贴、土地流转只影响后者此种技术采用行为。在影响前者采用此种技术的因素中,家庭人口数、现有住房价值、受教育程度是表层直接因素,家庭人均年收入是中层间接因素,性别、是否参加农业技术培训是深层根源因素。作为深层根源因素,性别、是否参加农业技术培训直接影响家庭人均年收入这一中层间接因素,中层间接因素直接影响家庭人口数、现有住房价值、受教育程度这些表层直接因素,最终形成传统散户对该种技术进行采用的结果。在种稻大户该种技术采用行为的影响因素中,家庭人均年收入是表层直接因素,水稻种植面积是中层间接因素,受教育程度、是否提供机械补贴、是否参加农业技术培训、土地流转是深层根源因素。受教育程度、是否提供机械补贴、是否参加农业技术培训、土地流转这些深层根源因素对水稻种植面积这一中层间接因素产生直接影响,中层间接因素对家庭人均年收入这一表层直接因素产生直接影响,表层直接因素对种稻大户此种技术采用行为产生直接影响。本研究可能的创新之处主要体现在以下三个方面:（1）国内外学者对一般农户、传统散户农业技术需求影响因素展开的研究较多,但对中国实施新的土地流转制度后形成的种稻大户这一新型农业经营主体农业技术需求影响因素的研究非常少,这将不利于农业技术的推广应用。鉴于此,在本文中以中国种粮大省种稻大户的调查数据为基础,并按照水稻从播种到收割的生产全过程,将农业技术分为播种中所需的新品种技术、成长中所需的病虫草害防治技术和测土配方施肥技术以及收割中所需的机械化技术,实证研究种稻大户以上四种农业技术需求行为的影响因素,研究视角上具有一定的创新性。（2）在本文中,根据农业技术的功能和作用,将其分为增产型技术和环境友好型技术两大类,以种稻大户的调查数据为基础,实证分析粮食补贴政策对其增产型技术采用行为的影响,还分析种稻大户资源禀赋对其环境友好型技术采用行为的影响,即在这一章中对种稻大户多种农业技术采用行为的影响因素进行研究,研究内容和研究视角上具有一定的创新性。（3）在本文中,依据稻农水稻种植面积,将其分为传统散户和种稻大户两类,以这两种不同类型稻农作为研究对象,对比深入研究他们采用保护性耕作技术的影响因素及其异同,并在此基础上,运用解释结构模型分析方法判断传统散户此种技术采用行为各影响因素之间的层次结构与相互关系,以及种稻大户此种技术采用行为各影响因素之间的层次性与关联性,研究内容、研究方法上具有一定的创新性。
黄思宇[6]（2016）在《华南地区马铃薯典型种植区面积和生长进度遥感监测方法》文中研究说明农情信息有效快速的获取是农业可持续发展的重要保障,但是,目前大量的农情信息,依赖的还是传统的报送方式,政府部门所得到的农情信息不准确不及时,而且无法提供农作物种植的空间分布状况,不利于农业管理的实施。因此农业管理部门有快速准确监测农作物的迫切需求。我国利用遥感监测的农作物主要是小麦、水稻、玉米、大豆等大宗作物,研究区域集中在华北、华东以及东北,也有一部分研究区是在西北和西南,多具有连片大范围的特征。然而,国内鲜有对多云多雨、耕地地块破碎的华南地区农作物的遥感监测研究。马铃薯是华南地区的特色冬种农作物,其地块“早稻-晚稻-冬种马铃薯”三季轮作模式具有其特有的植被指数时间序列特征。利用这一特征,本论文提出基于植被指数时间序列数据和光谱角度匹配（Spectral Angle Mapping,SAM）方法的农作物种植面积提取方法,有效提取研究区的冬种马铃薯种植区面积。并提出基于植被指数标准差的时间序列数据节点简化方法,在获取少量但关键的时间节点数据的情况下也能获得较高精度的结果。获得面积提取结果后,初步探索基于EVI数据的马铃薯生长进度遥感监测方法。本论文以广东省惠州市稔平半岛为研究区,以马铃薯种植面积和生长进度为研究对象,使用的植被指数是NDVI（Normalized Difference Vegetation Index）和EVI（Enhanced Vegetation Index）,主要方法和结论如下:（1）植被指数（NDVI和EVI）时间序列曲线能有效反映物候规律和生长进度把多时相植被指数（NDVI和EVI）图像以时间为坐标轴排列成植被指数（NDVI和EVI）时间序列数据集,在其中提取训练样本点的植被指数（NDVI和EVI）时间序列曲线,求平均后得到植被指数（NDVI和EVI）时间序列参考曲线。该参考曲线与实地调研所了解到的物候规律一致,不仅能够反映马铃薯种植区域“早稻-晚稻-冬种马铃薯”三季轮作模式,而且能够体现不同区域马铃薯生长进度的差异。（2）提出基于植被指数（NDVI和EVI）时间序列数据和SAM的农作物面积提取方法使用光谱角度匹配（SAM）方法,计算每一个像元植被指数（NDVI和EVI）时间序列曲线与参考曲线夹角值,输出Rule图像（光谱夹角值图像）;计算每一个训练样本点的植被指数（NDVI和EVI）时间序列曲线与参考曲线的夹角,并计算夹角的平均值和标准差,以平均值和标准差的线性组合作为阈值,在Rule图像中提取目标像元,从而达到提取马铃薯种植面积的目的。（3）提出基于植被指数标准差的时间序列数据节点简化方法根据训练样本点植被指数（NDVI和EVI）在每个节点的标准差大小,简化植被指数（NDVI和EVI）时间序列数据,使得获取少量但关键的时间节点（年度天数大约第8、105、144、214、261、312天）数据的情况下,使用基于植被指数（NDVI和EVI）时间序列数据和SAM的农作物种植面积提取方法,仍能有效提取马铃薯种植面积。简化后相比简化前,正确率提高了11.54%-20.19%,错误率下降了9.1%-18.2%。（4）对基于植被指数的四种马铃薯种植面积提取结果进行精度验证提取结果包括:（1）基于简化前NDVI时间序列数据的SAM提取结果,（2）基于简化前EVI时间序列数据的SAM提取结果,（3）基于简化后的NDVI时间序列数据的SAM提取结果,（4）基于简化后的EVI时间序列数据的SAM提取结果;从4个角度进行精度验证:Ⅰ基于马铃薯种植区样本点的正确率分析;Ⅱ基于非马铃薯种植区样本点的错误率分析;Ⅲ基于统计数据的相对误差分析;Ⅳ基于空间分布情况的补充分析。分析表明:无论是基于NDVI数据还是基于EVI数据,简化后的精度比简化前的精度普遍要高;基于简化后EVI时间序列数据和SAM的农作物种植面积提取方法,是四种方法组合中最能有效提取研究区的马铃薯种植区面积的方法,其总体正确率为92.31%,错误率为9.1%,相对误差为9.47%。（5）基于EVI数据的农作物生长进度遥感监测方法的初步探索以基于简化后EVI时间序列数据和SAM的马铃薯面积提取结果作为感兴趣区,以马铃薯种植期的多时相EVI数据作为待处理数据,叠加相交得到感兴趣区域的多时相EVI数据。设定EVI值与颜色的映射关系,制作马铃薯生长进度遥感监测的时间序列专题图作为遥感监测结果。监测结果与实际情况基本吻合,能够从时间-空间,整体-局部角度直观地反映马铃薯生长进度的时空变化。
王松寒,何隆华[7]（2015）在《雷达遥感技术在水稻识别中的研究进展》文中认为合成孔径雷达技术拥有全天时、全天候、高分辨率和不受云层干扰的特点,利用SAR在我国水稻种植区进行水稻识别拥有无可比拟的优势。该文主要对雷达遥感技术在水稻识别和监测中的应用情况进行了综述。首先总结了合成孔径雷达的发展历史,介绍了目前用于水稻识别的SAR传感器的参数和特点;介绍了水稻的后向散射特性,根据水稻的后向散射模型分析了影响其后向散射系数的因素;综述了国内外利用SAR进行水稻识别的各种方法,并对未来利用SAR监测水稻进行了展望。
石晶晶[8]（2013）在《稻飞虱生境因子遥感监测及应用》文中提出稻飞虱是亚洲国家当前水稻生产上最主要的远距离迁飞性害虫,严重制约了我国水稻的稳定生产及粮食安全保障,尤其是1991、1997、2005-2007年长江中下游地区稻飞虱特大发生,其突发性、暴发性及毁灭性的特点给预测预报工作增加了困难。随着卫星传感器的不断发展和改进,遥感技术逐渐成为获取大尺度虫害信息的重要手段。通过卫星遥感反演获取稻飞虱的生境因子,有利于深入研究稻飞虱发生动态以及暴发规律,以便做出可靠的预测。本文以长江三角洲地区为研究区,采用MODIS、Landsat、GDEM、TRMM等遥感数据对稻飞虱的主要生境因子,如：寄主作物—水稻的空间分布、植被指数、气温、降水等进行反演,并与稻飞虱测报点调查数据相结合探讨生境因子对稻飞虱发生的影响,并在此基础上首次构建了稻飞虱发生遥感预报模型,对典型年份的危害程度进行评估,取得的主要研究结果如下：（1）基于MODIS的水稻种植区时空分布监测提出了基于MODIS的水稻田灌水移栽初期识别指数——归一化加权差值水体指数NWDWI,通过对不同地物EVI时间序列分析,得到长三角地区2000-2012年单季稻、早稻和双季晚稻的种植区域空间分布信息。结合农业统计数据、中等分辨率Landsat影像和土地利用现状图对MODIS提取结果进行面积精度检验和空间匹配分析,结果表明：除2007年和2010年外,年水稻种植面积提取结果精度均高于85%,县级早稻的提取面积与统计面积决定系数R2年变化范围为0.388-0.678,晚稻的R2年变化范围为0.545-0.742,与统计数据吻合性较高；在像元水平,MODIS分类结果的用户精度和生产者精度分别为73.70%和77.33%,在3x3滑动窗口水平,MODIS分类精度明显提高,用户精度和生产者精度分别为96.77%和99.96%。水稻地块破碎度、地形复杂度和云污染是影响水稻提取面积偏低的主要原因。（2）长三角地区全天候气温遥感反演采用MODIS/Terra和MODIS/Aqua的LST与EVI、cos（SZA）、经度、纬度、高程为变量,分别构建了日尺度的最高气温（Tmax）、平均气温（Tavg）和最低气温（Tmin）的估算模型,其中综合利用Terra和Aqua的白天和夜间共四个时相的LST构建的日气温估算模型精度最高,Tavg的RMSE最低（1.424）,其次是Tmax（1.605）, Tmin的RMSE最高（1.992）,且所有模型的RMSE均在3℃以内。将日气温合成旬尺度数据,并采用反距离加权平方法（IDS）对旬平均气温中因云覆盖而缺失的数据进行空间插补,得到研究区内空间分辨率为1km的全天候的旬合成气温分布图。经检验,旬平均气温的RMSE<2℃, MAE<1.4℃,旬平均最高气温的RMSE<2.5℃, MAE<0.18℃,旬平均最低气温RMSE<2.54℃,MAE<2.0℃,且位于农田区的气象站点的估算气温的RMSE均控制在2℃以内。（3） TRMM降水数据精度检验采用1998-2010年间的TRMM3B423h降水数据分别合成日、月尺度的降水量数据,对长三角地区TRMM降水数据进行了精度检验,结果发现：TRMM日降水量在雨季的精度高于全年和干季；在气候区尺度,TRMM日降水量的精度高于单独站点,日均降水量MAE低于3mm/day. TRMM月降水量与台站观测值之间具有极强的相关性,pearson相关系数高于0.8。通过对不同降水等级的识别能力比较发现：TRMM日降水数据用于对站点的不同等级降水的预报欠佳,但是用于预报降水是否发生时精度较高,尤其是在雨季准确率可以达到60%以上。在气候区尺度,全年和雨季的降水发生预报精度达到85%以上。（4）稻飞虱生境综合监测及预警首先,提出了0.40-0.60为稻飞虱发生的适宜EVI,0.45-0.55是稻飞虱暴发的最适宜EVI,EVI=0.4时需要加强对稻飞虱的田间调查以及防治工作。其次,以2000-2009年遥感反演的生境因子（EVI、旬平均最高气温、最低气温、平均气温、降水日数和累积降水量）为变量,采用多元统计法首次建立了7月上旬至9月下旬的逐旬虫量遥感预报模型,各模型均通过了0.001水平显着性检验,并以2010年的田间调查数据进行了检验发现：7月和8月的预报等级基本一致的比例达到100%,9月的预报结果一致和基本一致的比例分别为36.36%和54.55%,预报等级与实际发生等级相差2级以内的比例为100%,本模型可提前十天进行预报。最后,通过研究NDVI对稻飞虱发生虫量的响应特征,基于时间序列NDVI的变化特征分别绘制了2005-2007年8月下旬至9月下旬的长三角地区水稻田受稻飞虱危害等级动态分布图。
贾明权[9]（2013）在《水稻微波散射特性研究及参数反演》文中认为雷达遥感具有全天候、全天时和地物穿透性的特点，适用于多云、多雾、多雨地区地物目标的快速、宏观、定量探测；但是，由于不同地物尤其是植被微波散射机理的复杂性和相关理论研究的滞后性，严重阻碍了雷达遥感巨大的应用潜力。近年来，随着星载SAR观测平台的迅速发展，为了更高效、精确地挖掘雷达遥感数据的应用潜力，迫切需要研究地物的散射机理和参数定量反演算法。本论文以星载SAR和陆基散射计同步观测为数据基础，以正演、反演算法研究为理论依据，详细分析了水稻微波散射特性和参数敏感性，建立了水稻散射经验、半经验和理论散射模型，研究了以散射模型为基础的神经网络等反演算法，实现了SAR图像水稻覆盖区域制图和生物量反演。本论文的主要工作概括如下：（1）建立了具有不同频率、不同角度和不同极化测量能力的微波散射测量系统，研究了天线非平面波的近场散射效应和电磁波多路径叠加效应抑制技术，消除了收发天线间因通道不平衡和天线串扰带来的失真矩阵等误差。实现了充分的独立取样和定标，确保了陆基散射计测量的精度。（2）完成了2010和2012年两个水稻季的8个不同生长期的散射测量实验。包括：C波段、全极化（HH、HV、VH和VV）和不同入射角（0°-90°）的后向散射系数测量；水稻生物量、高度、LAI、密度、叶片和茎杆参数、下垫面淹水或土壤参数等稻田参数的获取。以水稻生长参数实验数据为基础，建立了水稻生长模型，并对模型的有效性和合理性进行了验证；分析了水稻的散射特性，包括：不同生长期水稻入射角散射特征，水稻时域散射特征，以及水稻散射值与生长参数的相关性特征。（3）建立了水稻经验、半经验和理论微波后向散射模型。根据不同输入参数，提出了多参数非线性建模的思路，建立了水稻的多生长参数经验模型。根据散射项的不同，分别建立了水稻的水云模型、改进的水云模型和简化MIMICS模型，并利用实测数据确立了模型的经验参数，对模型分析对比。根据蒙特卡洛方法建立水稻理论微波散射模型，针对水稻结构特征对模型进行了修正，并利用水稻生长模型提供的输出数据进行了仿真，对比模拟和实测数据，验证了模型的准确性。利用建立的理论模型分析了后向散射系数对水稻主要参数的灵敏性。（4）根据建立的水稻散射模型，发展了水稻参数经验、半经验和基于Monte-Carlo理论模型的神经网络反演算法，建立了分别针对单极化、双极化和全极化的反演模型。利用水稻散射实验测量数据，分别确立了水稻经验反演模型和不同极化的半经验模型参数，半经验模型包括水云反演算法、改进的水云反演算法和简化的MIMICS反演算法，并比较了算法的优劣性。研究了BP神经网络的设置、训练数据的生成、网络训练精度验证，散射实验测量数据验证了基于Monte-Carlo理论模型的神经网络反演算法的精度。（5）将建立的基于简化的MIMICS半经验模型的反演算法和基于Monte-Carlo模拟的神经网络反演算法，用于双极化的ASAR图像和全极化的RADARSAT-2图像上，实现了水稻生物量的反演和验证。其中，双极化ASAR图像水稻生物量反演部分，结合光学TM图像首先实现了水稻区域制图和SAR图像后向散射系数的提取，利用半经验反演算法得到了不同时期的水稻生物量分布，并结合地面实验的实测数据对反演结果进行了验证。全极化RADARSAT-2图像水稻生物量反演部分，给出了生物量反演流程，将水稻散射测量实验、生长模型和Monte-Carlo散射模型的建立、神经网络的训练、多时相RADARSAT-2图像的处理和生物量反演相互关联起来，利用多时相数据分类实现了RADARSAT-2图像上水稻区域的制图，进而利用训练好的神经网络实现了生物量的反演和验证，将反演算法推广到了更大观测区域，实现了大面积水稻的参数反演和长势监测。水稻生长参数与后向散射系数之间存在复杂的非线性关系，从有限的雷达观测数据中提取这些参数是一个典型的病态反演问题，难以获得精确量化结果。本文提出以水稻为对象的微波散射特性和参数反演算法研究，不但丰富了植被散射机理的理论和实验研究，也将推动SAR图像植被参数定量反演算法的研究，拓宽雷达遥感技术的应用研究领域，对实现基于雷达遥感的农作物长势监测及估产，乃至植被生态环境的监测具有重要的学科意义和巨大的潜在经济价值。
赵路生[10]（2013）在《基于ASAR数据的水稻制图及生物量参数反演》文中研究指明水稻是人类最主要的粮食作物之一，水稻的种植面积和长势对于世界粮食安全等许多方面都具有非常重要的意义。随着时代的发展，遥感技术已经逐渐成为农作物的主要监测手段。然而水稻主要分布在热带和亚热带，在水稻生长季，受到云雨天气的影响，难以获取足够的光学影像来监测水稻，而雷达遥感具有不受云雨影响，全天候、全天时监测等优点，逐渐成为水稻监测的重要数据来源。本文在一个水稻生长周期中获取了3景ENVISATASAR数据，并利用江西省南昌县的各种水稻生物物理参数，如鲜重、干重、株高、叶面积等，对水稻面积提取方法和生物量估算进行深入的分析和研究。本文的研究内容与结论主要有以下几个方面：（1）分析了水稻多时相的后向散射特征及与其他地物后向散射特征的差别，分别用最大似然分类方法与支持向量机分类方法提取出南昌县水稻种植面积。结果表明两种方法都能够较好的提取出研究区域内的水稻种植面积，对于水稻的识别精度分别为73.81%和80.95%，支持向量机识别水稻的效果更好，其提取结果在后续研究中用于水稻生物量分布制图。（2）总结了水稻的实测生物量与反演生物量之间的关系。反演结果表明，水云模型可以用于水稻生物量的反演，而且HH极化方式下实测值与反演值的相关性（R2）为0.55，而VV极化方式下为0.48。也就是说HH极化对水稻生物量和冠层含水量的变化更加敏感，因此在水稻生物量的反演上采用HH极化更加合适。（3）为了提高反演的可能性，将光学与雷达HH遥感数据协同应用，构建了水稻生物量的经验统计反演模型。从反演的结果可以看出，两种遥感数据协同应用构建的模型能够满足反演的需求，而且实测值与反演值的相关性（R2）为0.81。根据反演结果与提取的水稻种植面积，分别对两个时间的水稻生物量分布进行制图并分析这个时期内水稻的长势变化。
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 农户行为研究 |
| 1.2.2 柑橘黄龙病相关研究 |
| 1.2.3 柑橘相关研究 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容与技术路线 |
| 1.3.2 研究方法 |
| 2 研究区概况与数据来源 |
| 2.1 研究区概况 |
| 2.2 柑橘产业发展概况 |
| 2.3 样本点的选取 |
| 2.4 数据的获取 |
| 3 信丰县黄龙病受灾状况与发展现状分析 |
| 3.1 信丰县柑橘种植面积与产量特征分析 |
| 3.2 柑橘黄龙病病情与受灾情况分析 |
| 3.3 信丰县各乡镇种植现状与农户种植规模特征分析 |
| 4 农户柑橘种植行为响应分析 |
| 4.1 柑橘种植农户基本情况分析 |
| 4.1.1 被访农户柑橘种植情况调查 |
| 4.1.2 他人影响与柑橘种植技能的获取 |
| 4.1.3 农户感知距离调查 |
| 4.1.4 农户政策环境感知情况调查 |
| 4.1.5 农户家庭收入情况调查 |
| 4.2 农户行为的人口特征分析 |
| 4.2.1 被访农户个人特征分析 |
| 4.2.2 被访农户家庭特征分析 |
| 4.2.3 农户文化水平与种植规模分析 |
| 4.3 农户主要作物种植情况调查 |
| 4.4 农户行为响应的空间差异性分析 |
| 5 柑橘种植规模灰色关联度分析 |
| 5.1 灰色关联度方法与计算过程 |
| 5.2 变量选取与定义 |
| 5.3 结果与分析 |
| 6 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 6.3 创新性与不足 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在读期间发表论文(着)及科研情况 |
| 摘要 |
| ABSTRAT |
| 1.绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 合成孔径雷达发展历程简述 |
| 1.2.2 国外水稻微波遥感研究现状 |
| 1.2.3 国内水稻微波遥感研究现状 |
| 1.2.4 水稻微波遥感监测方法概述 |
| 1.3 研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2.原理与方法 |
| 2.1 微波遥感 |
| 2.1.1 合成孔径雷达介绍 |
| 2.1.2 后向散射系数 |
| 2.2 微波遥感散射机制 |
| 2.2.1 目标的面散射 |
| 2.2.2 目标的体散射 |
| 2.2.3 水稻的散射模式 |
| 2.3 早稻面积识别提取的方法分析 |
| 2.3.1 早稻遥感监测的方法 |
| 2.3.2 水体归一化比值处理 |
| 2.3.3 监督分类方法 |
| 2.3.4 基于专家知识的决策树分类方法 |
| 2.3.5 精度评价方法 |
| 2.4 本章小结 |
| 3.研究区概况、数据材料与预处理 |
| 3.1 研究区概况 |
| 3.1.1 种植结构模式 |
| 3.2 SENTINEL-1A数据介绍 |
| 3.3 水稻物候资料 |
| 3.3.1 水稻物候特征 |
| 3.3.2 研究区早稻种植物候资料 |
| 3.4 样点采集数据 |
| 3.5 Sentinel-2A光学数据和数字高程数据 |
| 3.6 Senitnel-1A数据预处理 |
| 3.6.1 辐射定标 |
| 3.6.2 地形校正 |
| 3.6.3 斑点噪声处理 |
| 3.6.4 地理编码及重采样 |
| 3.7 本章小结 |
| 4.早稻面积基于极化SAR数据的识别提取指标分析 |
| 4.1 可分离度分析 |
| 4.2 纹理、色调特征分析 |
| 4.2.1 基于极化SAR数据的纹理、色调特征分析 |
| 4.2.2 基于水体归一化极化SAR数据的纹理、色调特征分析 |
| 4.3 时域后向散射系数特征分析 |
| 4.3.1 基于极化SAR数据的时域后向散射系数特征分析 |
| 4.3.2 基于水体归一化极化SAR数据的时域后向散射系数特征分析 |
| 4.4 早稻面积识别提取的分类方法分析 |
| 4.4.1 早稻面积基于决策树分类方法识别提取的阈值分析 |
| 4.4.2 早稻面积基于监督分类方法的识别提取分析 |
| 4.4.3 早稻面积基于决策树分类方法的识别提取分析 |
| 4.5 本章小结 |
| 5.早稻面积基于水体归一化极化SAR数据的识别提取分析 |
| 5.1 早稻面积基于决策树阈值分类方法的识别提取分析 |
| 5.1.1 早稻面积识别提取的方法选择分析 |
| 5.1.2 早稻面积识别提取的数据选择分析 |
| 5.1.3 早稻面积识别提取的纹理、色调特征的时相分析 |
| 5.1.4 早稻面积识别提取的阈值分析 |
| 5.2 结果分析 |
| 5.2.1 混淆矩阵分析 |
| 5.2.2 早稻错分分析 |
| 5.2.3 早稻结果分析 |
| 5.2.4 早稻误差来源 |
| 5.3 本章小结 |
| 6.结论与展望 |
| 6.1 结论 |
| 6.2 难点 |
| 6.3 创新点 |
| 6.4 存在问题与展望 |
| 参考文献 |
| 攻读学位期间获得的学术成果 |
| 致谢 |
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 研究对象与基本概念 |
| 1.2.1 研究对象 |
| 1.2.2 基本概念 |
| 1.3 研究思路与内容安排 |
| 1.3.1 理论分析框架 |
| 1.3.2 研究的基本思路 |
| 1.3.3 内容结构安排 |
| 1.4 研究方法与数据来源 |
| 1.4.1 研究方法 |
| 1.4.2 样本选择与数据来源 |
| 1.5 可能的创新与不足之处 |
| 1.5.1 可能的创新之处 |
| 1.5.2 研究不足与展望 |
| 2 理论基础与文献综述 |
| 2.1 理论基础 |
| 2.1.1 技术扩散理论 |
| 2.1.2 技术推广理论 |
| 2.1.3 农户行为理论 |
| 2.1.4 小结 |
| 2.2 文献综述 |
| 2.2.1 基于文献计量的我国农户化肥、农药使用研究概述 |
| 2.2.2 我国化肥、农药使用效率研究 |
| 2.2.3 农户化肥农药使用及相关技术采纳的行为机理研究 |
| 2.2.4 新型农业技术扩散与推广研究 |
| 2.2.5 我国农户生产性服务需求研究 |
| 2.2.6 文献评述 |
| 3 稻农化肥农药减量潜力分析 |
| 3.1 基于C-D生产函数的稻农化肥减量潜力分析 |
| 3.1.1 模型构建 |
| 3.1.2 数据来源与描述性分析 |
| 3.1.3 稻农化肥减量潜力计算 |
| 3.2 基于损害控制函数的稻农农药减量潜力分析 |
| 3.2.1 模型构建 |
| 3.2.2 数据来源与描述性分析 |
| 3.2.3 稻农农药减量潜力计算 |
| 3.3 本章小结 |
| 4 水稻化肥农药减量增效技术筛选与技术属性分析 |
| 4.1 水稻化肥农药减量增效技术筛选 |
| 4.1.1 筛选标准与方法 |
| 4.1.2 筛选结果 |
| 4.1.3 减量增效机理分析 |
| 4.2 水稻化肥农药减量增效技术属性分析 |
| 4.2.1 相对优势分析 |
| 4.2.2 复杂性分析 |
| 4.2.3 兼容性、可试性与可观察性分析 |
| 4.3 基于属性差异的减量增效技术分类 |
| 4.4 本章小结 |
| 5 稻农化肥农药减量增效技术采纳行为分析 |
| 5.1 数据来源 |
| 5.2 稻农减量增效技术采纳水平分析 |
| 5.2.1 技术采纳水平测算方法 |
| 5.2.2 技术采纳水平分析 |
| 5.3 空间滞后模型构建 |
| 5.3.1 理论分析与理论假设 |
| 5.3.2 空间滞后模型构建与变量选择 |
| 5.4 基于空间滞后模型的稻农采纳行为分析 |
| 5.4.1 空间相关性检验 |
| 5.4.2 劳动密集型减量增效技术采纳行为分析 |
| 5.4.3 资金密集型减量增效技术采纳行为分析 |
| 5.4.4 知识密集型减量增效技术采纳行为分析 |
| 5.5 本章小结 |
| 6 稻农化肥农药减量增效技术配套服务需求分析 |
| 6.1 水稻化肥农药减量增效技术配套服务内容识别 |
| 6.2 基于Kano模型的稻农配套服务需求分析 |
| 6.2.1 Kano模型构建 |
| 6.2.2 配套服务需求分析结果 |
| 6.3 基于多层线性模型的配套服务需求影响因素分析 |
| 6.3.1 多层线性模型构建 |
| 6.3.2 变量选择与描述性分析 |
| 6.3.3 稻农配套服务需求的影响因素分析 |
| 6.4 本章小结 |
| 7 化肥农药减量增效技术推广的案例研究 |
| 7.1 案例选择与资料搜集过程 |
| 7.1.1 萧山区减量增效技术推广案例选择依据 |
| 7.1.2 案例研究资料收集过程 |
| 7.2 萧山区减量增效技术推广经验分析 |
| 7.2.1 发展专业化生产性服务应对复杂性难题 |
| 7.2.2 示范效应和社会学习相融合的技术推广渠道 |
| 7.2.3 分工明确的多维度配套服务 |
| 7.3 化肥农药减量增效技术推广的案例小结 |
| 7.4 本章小结 |
| 8 研究结论与启示 |
| 8.1 研究结论 |
| 8.2 研究启示 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 附录3 |
| 作者简历及在学期间所取得的主要科研成果 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 水稻微波遥感研究 |
| 1.1.1.1 水稻散射测量研究 |
| 1.1.1.2 水稻散射模型研究 |
| 1.1.1.3 SAR图像水稻监测研究 |
| 1.1.2 水稻田甲烷排放评估研究 |
| 1.1.2.1 稻田甲烷排放影响因子 |
| 1.1.2.2 稻田甲烷排放模型研究 |
| 1.2 论文的研究内容 |
| 1.3 论文结构 |
| 第二章 合成孔径雷达基础理论与散射测量技术 |
| 2.1 微波遥感基础理论 |
| 2.1.1 雷达成像原理 |
| 2.1.2 SAR图像特性 |
| 2.1.2.1 相干斑噪声 |
| 2.1.2.2 辐射特性 |
| 2.1.2.3 几何特性 |
| 2.1.3 微波散射理论 |
| 2.2 微波散射测量 |
| 2.2.1 雷达散射截面 |
| 2.2.2 雷达照射面积 |
| 2.2.3 雷达极化校准理论 |
| 2.3 本章小结 |
| 第三章 水稻散射测量与数据分析 |
| 3.1 引言 |
| 3.2 水稻散射测量实验 |
| 3.2.1 陆基散射测量系统简介 |
| 3.2.2 水稻散射测量实验 |
| 3.2.3 水稻生长参数测量 |
| 3.2.4 陆基散射计定标 |
| 3.3 测量数据分析 |
| 3.3.1 水稻散射随入射角变化分析 |
| 3.3.2 水稻时域散射特征分析 |
| 3.3.3 水稻空间聚集散射特性分析 |
| 3.4 本章小结 |
| 第四章 水稻甲烷排放参数反演研究 |
| 4.1 引言 |
| 4.2 水稻微波后向散射模型 |
| 4.2.1 水稻经验模型 |
| 4.2.2 水稻半经验模型 |
| 4.2.3 水稻理论模型 |
| 4.3 基于经验模型的水稻参数反演算法 |
| 4.3.1 冠层高度反演 |
| 4.3.2 叶面积指数反演 |
| 4.3.3 杆密度反演 |
| 4.4 基于半经验模型的生物量反演算法 |
| 4.4.1 反演方法 |
| 4.4.2 结果和验证 |
| 4.5 水稻下垫面信息提取 |
| 4.5.1 基于密歇根模型的下垫面水体信息提取 |
| 4.5.2 基于水云模型的主被动土壤含水量提取 |
| 4.6 本章小结 |
| 第五章 稻田甲烷排放测量与仿真 |
| 5.1 引言 |
| 5.2 稻田甲烷排放基础理论 |
| 5.2.1 稻田甲烷排放的形成机制 |
| 5.2.2 稻田甲烷排放的变化规律 |
| 5.3 甲烷测量实验概况 |
| 5.3.1 田间甲烷采样装置 |
| 5.3.2 甲烷采样气体测试 |
| 5.3.3 测量结果与分析 |
| 5.4 微波甲烷排放模型 |
| 5.4.1 经验模型 |
| 5.4.2 半经验模型 |
| 5.5 生态甲烷排放模型 |
| 5.5.1 DNDC模型简介 |
| 5.5.2 模型仿真 |
| 5.5.3 仿真结果与分析 |
| 5.6 本章小结 |
| 第六章 基于SAR图像的水稻甲烷排放估计及仿真 |
| 6.1 引言 |
| 6.2 SAR图像获取及预处理 |
| 6.2.1 水稻甲烷反演流程 |
| 6.2.2 同步SAR图像及预处理 |
| 6.2.3 SAR图像处理结果 |
| 6.3 ASAR图像水稻甲烷排放反演 |
| 6.3.1 ASAR图像的分类 |
| 6.3.2 ASAR图像生物量反演 |
| 6.3.3 ASAR图像水稻甲烷反演及验证 |
| 6.4 RADARSAT-2 图像水稻甲烷反演 |
| 6.4.1 RADARSAT-2 图像分类 |
| 6.4.2 Radarsat-2 图像生物量反演 |
| 6.4.3 Radarsat-2 甲烷反演及验证 |
| 6.4.3.1 Radarsat-2 水稻甲烷排放通量反演 |
| 6.4.3.2 Radarsat-2 湿地甲烷排放通量反演 |
| 6.4.3.3 Radarsat-2 甲烷排放通量反演验证 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 全文结论 |
| 7.2 主要创新点 |
| 7.3 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外农户农业技术采用行为研究文献综述 |
| 1.3.1 国外农户农业技术采用行为研究文献综述 |
| 1.3.2 国内农户农业技术采用行为研究文献综述 |
| 1.3.3 文献评述 |
| 1.4 研究内容、框架与方法 |
| 1.4.1 研究内容及技术路线 |
| 1.4.2 研究框架 |
| 1.4.3 研究方法 |
| 1.5 本研究可能的创新点 |
| 第2章 相关概念界定与理论基础 |
| 2.1 相关概念的界定 |
| 2.1.1 新型农业经营主体 |
| 2.1.2 种稻大户 |
| 2.1.3 传统散户 |
| 2.1.4 农业技术 |
| 2.1.5 农业技术采用行为 |
| 2.2 理论基础 |
| 2.2.1 新型农业经营主体理论 |
| 2.2.2 农户行为理论 |
| 2.2.3 农业技术扩散理论 |
| 2.2.4 农业技术推广理论 |
| 2.3 本章小结 |
| 第3章 农户农业技术采用的决策动机、特征及与需求的关系 |
| 3.1 农户采用农业技术的决策动机 |
| 3.2 农户农业技术采用行为的特征 |
| 3.2.1 农户采用农业技术的一般特征 |
| 3.2.2 现阶段农户采用农业技术的特点 |
| 3.3 农户农业技术采用行为改变的策略 |
| 3.4 农户农业技术采用行为与需求的关系 |
| 3.5 本章小结 |
| 第4章 种稻大户农业技术需求影响因素实证分析 |
| 4.1 研究假说 |
| 4.2 数据来源及样本描述 |
| 4.2.1 数据来源 |
| 4.2.2 样本基本特征分析 |
| 4.3 模型构建及变量赋值 |
| 4.3.1 模型构建 |
| 4.3.2 变量赋值 |
| 4.4 种稻大户农业技术需求的影响因素分析 |
| 4.5 结论与政策启示 |
| 4.6 本章小结 |
| 第5章 种稻大户农业技术采用行为影响因素研究 |
| 5.1 粮食补贴政策对种稻大户采用增产型技术的影响 |
| 5.1.1 研究假说 |
| 5.1.2 变量设置与模型选择 |
| 5.1.2.1 数据来源 |
| 5.1.2.2 变量设定 |
| 5.1.2.3 模型选择 |
| 5.1.3 实证结果与分析 |
| 5.1.3.1 变量描述性统计分析 |
| 5.1.3.2 粮食补贴政策对种稻大户采用增产型技术的影响分析 |
| 5.1.4 简要结论及政策启示 |
| 5.1.4.1 简要结论 |
| 5.1.4.2 政策启示 |
| 5.2 种稻大户资源禀赋对其环境友好型技术采用行为的影响 |
| 5.2.1 概念界定与研究假设 |
| 5.2.1.1 概念界定 |
| 5.2.1.2 研究假设 |
| 5.2.2 数据来源及样本描述 |
| 5.2.2.1 数据来源 |
| 5.2.2.2 样本基本特征分析 |
| 5.2.3 模型构建及变量说明 |
| 5.2.3.1 模型构建 |
| 5.2.3.2 变量说明及描述性统计分析 |
| 5.2.4 模型估计结果与分析 |
| 5.2.5 研究结论及政策建议 |
| 5.3 本章小结 |
| 第6章 传统散户与种稻大户农业技术采用行为影响因素对比研究 |
| 6.1 研究假设 |
| 6.2 研究方法 |
| 6.2.1 数据来源 |
| 6.2.2 变量选择 |
| 6.2.3 模型构建 |
| 6.3 实证结果与分析 |
| 6.3.1 变量描述性统计分析 |
| 6.3.2 不同类型稻农保护性耕作技术采用行为影响因素分析 |
| 6.3.2.1 基于二元Probit模型的影响因素分析 |
| 6.3.2.2 基于解释结构模型的影响因素分析 |
| 6.4 结论与启示 |
| 6.4.1 结论 |
| 6.4.2 启示 |
| 6.5 本章小结 |
| 第7章 主要研究结论及政策启示 |
| 7.1 研究结论 |
| 7.2 政策启示 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 |
| 附录1: 国家科技支撑计划水稻产业技术调研问卷(湖北省调研问卷) |
| 附录2: 国家科技支撑计划水稻产业技术调研问卷(江苏省调研问卷) |
| 附录3: 攻读博士学位期间的研究成果 |
| 致谢 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 第一节 研究背景及意义 |
| 第二节 国内外研究进展 |
| 一、农作物种植面积遥感监测进展 |
| 二、基于物候特征的农作物种植面积遥感监测进展 |
| 三、农作物长势和生长进度遥感监测研究进展 |
| 四、国内外多源数据应用现状 |
| 第三节 研究内容及技术路线 |
| 一、研究内容 |
| 二、总体技术路线 |
| 三、论文组织结构 |
| 第二章 研究区概况、数据集和方法 |
| 第一节 研究区概况 |
| 第二节 数据源 |
| 一、遥感影像数据 |
| 二、统计数据 |
| 三、实地测量数据 |
| 第三节 光谱角度匹配方法 |
| 一、光谱匹配分类模式的基本概述 |
| 二、光谱角度匹配（SAM）的原理 |
| 第四节 植被指数 |
| 第五节 本章小结 |
| 第三章 农作物种植面积遥感监测 |
| 第一节 数据预处理 |
| 第二节 物候期与年度植被指数（NDVI和EVI）时间序列曲线的对应分析 |
| 一、研究区物候期 |
| 二、影像选取依据 |
| 三、基于样本点的参考曲线建立 |
| 四、物候期与植被指数时间序列曲线关联性分析 |
| 第三节 基于植被指数（NDVI和EVI）时间序列数据和SAM的农作物种植面积提取方法 |
| 一、光谱角度匹配 |
| 二、阈值选择原则 |
| 三、马铃薯种植面积提取 |
| 第四节 基于植被指数标准差的时间序列数据节点简化方法 |
| 一、基本思路 |
| 二、简化的具体步骤 |
| 三、简化后的面积提取 |
| 第五节 本章小结 |
| 第四章 面积提取结果的精度验证 |
| 第一节 基于马铃薯种植区样本点的正确率分析 |
| 第二节 基于非马铃薯种植区样本点的错误率分析 |
| 第三节 基于统计数据的相对误差分析 |
| 第四节 基于空间分布情况的补充分析 |
| 第五节 误差原因分析 |
| 一、植被指数自身的属性导致误差 |
| 二、数据集简化前后导致的误差 |
| 三、其他误差原因 |
| 第六节 本章小结 |
| 第五章 基于EVI数据的农作物生长进度遥感监测初探 |
| 第一节 数据 |
| 第二节 原理与方法 |
| 第三节 生长进度遥感监测 |
| 第四节 本章小结 |
| 第六章 总结与展望 |
| 第一节 主要结论 |
| 第二节 创新点 |
| 第三节 存在问题及研究展望 |
| 参考文献 |
| 作者简介及在学期间发表的学术论文与研究成果 |
| 1引言 |
| 2用于水稻识别的SAR传感器 |
| 3水稻在SAR影像中的后向散射特性 |
| 3.1水稻的后向散射机理 |
| 3.2水稻后向散射系数的影响因素 |
| 3.2.1水稻 |
| 3.2.2SAR传感器的参数 |
| 3.2.3复合因素 |
| 4SAR影像中水稻识别的方法 |
| 4.1阈值法 |
| 4.2与水稻生长模型相结合 |
| 4.3与光学影像的融合应用 |
| 5结束语 |
| 附件 |
| 致谢 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 图目录 |
| 表目录 |
| 1 绪论 |
| 1.1 研究目的和意义 |
| 1.2 稻飞虱生物习性概述 |
| 1.2.1 稻飞虱种类和分布 |
| 1.2.2 稻飞虱生活史和世代划分 |
| 1.2.3 稻飞虱为害方式及程度 |
| 1.2.4 我国稻飞虱的迁入路径 |
| 1.2.5 稻飞虱生境因子 |
| 1.3 国内外稻飞虱发生研究进展 |
| 1.3.1 稻飞虱发生气象预报 |
| 1.3.2 稻飞虱空间分析研究 |
| 1.3.3 稻飞虱发生及危害遥感监测 |
| 1.4 稻飞虱预报及监测面临的问题 |
| 1.5 研究内容及技术路线 |
| 1.5.1 主要研究内容 |
| 1.5.2 技术路线 |
| 2 数据及方法 |
| 2.1 研究区概况 |
| 2.2 研究采用数据 |
| 2.2.1 地面高光谱数据 |
| 2.2.2 卫星影像数据 |
| 2.2.3 非遥感数据 |
| 2.3 卫星影像预处理 |
| 2.3.1 辐射校正 |
| 2.3.2 图像镶嵌及投影转换 |
| 2.4 模型评价指标 |
| 3 基于MODIS的水稻种植区时空分布监测 |
| 3.1 引言 |
| 3.2 基于MODIS的水稻种植区提取算法 |
| 3.2.1 大田水稻移栽期光谱特征 |
| 3.2.2 基于ETM+影像的水稻移栽期特征提取 |
| 3.2.3 基于MODIS时间序列的水稻移栽期识别 |
| 3.2.4 时间序列光谱指数重构 |
| 3.2.5 水稻种植区提取算法 |
| 3.3 长三角地区水稻种植区时空分布 |
| 3.4 水稻种植区提取结果精度验证 |
| 3.4.1 面积精度验证 |
| 3.4.2 空间匹配分析 |
| 3.5 MODIS提取结果误差分析 |
| 3.5.1 地形因子的影响 |
| 3.5.2 移栽期云量影响 |
| 3.6 小结 |
| 4 长三角地区全天候气温遥感反演 |
| 4.1 引言 |
| 4.1.1 气象数据推算法 |
| 4.1.2 热红外遥感反演法 |
| 4.2 EVI时间序列去噪及重构 |
| 4.2.1 EVI时间序列重构方法 |
| 4.2.2 重构结果比较 |
| 4.3 基于MODIS Terra/Aqua的气温反演 |
| 4.3.1 日气温估算模型 |
| 4.3.2 旬气温合成法 |
| 4.4 长三角地区气温时空分布 |
| 4.5 小结 |
| 5 TRMM降水数据精度检验 |
| 5.1 引言 |
| 5.2 TRMM数据的日降水量精度评估 |
| 5.2.1 基于站点的验证 |
| 5.2.2 基于气候区的验证 |
| 5.3 TRMM数据对降水事件预报能力检验 |
| 5.3.1 基于站点的验证 |
| 5.3.2 基于气候区的检验 |
| 5.4 TRMM月降水检验及空间分布 |
| 5.4.1 月降水检验 |
| 5.4.2 月降水量时空分布 |
| 5.5 小结 |
| 6 稻飞虱生境综合监测及预警 |
| 6.1 生境因子与稻飞虱发生的关系 |
| 6.1.1 EVI与稻飞虱发生的关系 |
| 6.1.2 气温与稻飞虱发生的关系 |
| 6.1.3 降水与稻飞虱发生的关系 |
| 6.2 稻飞虱发生遥感预报模型 |
| 6.2.1 生境因子膨化处理 |
| 6.2.2 模型建立 |
| 6.2.3 模型验证 |
| 6.3 稻飞虱危害高光谱遥感监测 |
| 6.3.1 稻飞虱危害水稻光谱特征分析 |
| 6.3.2 稻飞虱高光谱遥感识别 |
| 6.4 稻飞虱危害遥感信息提取 |
| 6.4.1 NDVI与稻飞虱发生的关系 |
| 6.4.2 基于时间序列NDVI的稻飞虱危害信息提取 |
| 6.5 小结 |
| 7 结论、创新点及展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微波散射测量研究 |
| 1.2.2 微波散射模型研究 |
| 1.2.3 遥感参数反演研究 |
| 1.2.4 SAR 图像水稻监测应用研究 |
| 1.3 论文的研究内容 |
| 1.4 论文的组织结构 |
| 第二章 雷达遥感基础与散射测量技术 |
| 2.1 雷达遥感基础 |
| 2.1.1 雷达成像原理 |
| 2.1.2 微波散射理论 |
| 2.1.2.1 随机粗糙面电磁散射理论 |
| 2.1.2.2 植被辐射传输理论 |
| 2.1.2.3 Monte-Carlo 数值模拟技术 |
| 2.1.3 参数反演方法 |
| 2.2 微波散射测量 |
| 2.2.1 雷达散射截面 |
| 2.2.2 散射测量的三要素 |
| 2.2.2.1 确定覆盖面积 |
| 2.2.2.2 独立取样 |
| 2.2.3 雷达定标技术 |
| 2.2.3.1 单极化定标方法 |
| 2.2.3.2 传统极化定标技术 |
| 2.2.3.3 STCT 定标技术 |
| 2.3 陆基散射计系统及定标 |
| 2.3.1 系统组成及参数 |
| 2.3.2 散射计独立取样 |
| 2.3.3 陆基散射计的定标 |
| 2.4 本章小结 |
| 第三章 水稻散射特性实验研究 |
| 3.1 引言 |
| 3.2 水稻散射测量实验 |
| 3.2.1 实验区介绍 |
| 3.2.2 水稻散射测量实验 |
| 3.2.3 水稻生长参数测量 |
| 3.3 水稻生长模型 |
| 3.3.1 模型的建立 |
| 3.3.2 模拟结果及验证 |
| 3.4 水稻散射特征分析 |
| 3.4.1 不同生长期水稻的入射角散射特征分析 |
| 3.4.2 水稻时域散射特征分析 |
| 3.4.3 参数相关性分析 |
| 3.5 本章小结 |
| 第四章 水稻微波散射模型的建立及分析 |
| 4.1 引言 |
| 4.2 水稻后向散射模型 |
| 4.2.1 水稻经验模型 |
| 4.2.2 水稻半经验模型 |
| 4.3 水稻 MONTE-CARLO 理论模型 |
| 4.3.1 模型原理 |
| 4.3.2 模型的修正 |
| 4.3.3 水稻后向散射模拟及验证 |
| 4.4 水稻参数敏感性分析 |
| 4.4.1 系统参数 |
| 4.4.2 稻杆相关参数 |
| 4.4.3 稻叶相关参数 |
| 4.5 本章小结 |
| 第五章 水稻参数反演算法研究 |
| 5.1 引言 |
| 5.2 水稻参数经验反演算法 |
| 5.2.1 反演模型的建立 |
| 5.2.2 反演结果分析 |
| 5.3 基于水稻半经验模型的反演算法 |
| 5.3.1 反演算法的推导 |
| 5.3.2 散射计数据反演结果及分析 |
| 5.4 基于 MONTE-CARLO 模拟的神经网络反演算法 |
| 5.4.1 BP 神经网络的建立 |
| 5.4.2 训练数据集的生成 |
| 5.4.3 网络训练及验证 |
| 5.4.4 散射计测量数据反演 |
| 5.5 本章小结 |
| 第六章 基于 SAR 图像的水稻参数反演及验证 |
| 6.1 引言 |
| 6.2 研究区 SAR 图像及预处理 |
| 6.2.1 多源多时相 SAR 图像 |
| 6.2.2 SAR 图像处理流程 |
| 6.2.3 SAR 图像处理结果 |
| 6.3 ASAR 图像水稻生物量反演 |
| 6.3.1 基于半经验模型的生物量反演流程 |
| 6.3.2 结合光学图像分类及 ASAR 水稻区域制图 |
| 6.3.3 ASAR 图像生物量反演及验证 |
| 6.4 RADARSAT-2 图像水稻生物量反演 |
| 6.4.1 基于神经网络的生物量反演流程 |
| 6.4.2 RADARSAT-2 图像分类及后向散射系数提取 |
| 6.4.3 RADARSAT-2 图像生物量反演及验证 |
| 6.5 SAR 图像反演结果对比分析 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 全文结论 |
| 7.2 主要创新点 |
| 7.3 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究意义和研究背景 |
| 1.2 国内外研究现状与进展 |
| 1.2.1 水稻种植面积提取方面的研究 |
| 1.2.2 水稻生物量等参数反演方面的研究工作 |
| 1.3 研究内容与技术路线 |
| 1.4 论文的组织结构 |
| 第二章 研究区概况与数据准备 |
| 2.1 研究区域概述 |
| 2.2 遥感数据获取及预处理 |
| 2.2.1 ENVISAT ASAR 数据 |
| 2.2.2 环境卫星数据 |
| 2.3 地面观测数据的处理 |
| 第三章 基于 ASAR 数据的水稻种植面积提取 |
| 3.1 地物后向散射系数分析 |
| 3.2 常用分类方法 |
| 3.2.1 非监督分类 |
| 3.2.2 监督分类 |
| 3.2.3 遥感图像分类新方法 |
| 3.3 最大似然分类 |
| 3.3.1 最大似然分类方法 |
| 3.3.2 分类结果 |
| 3.4 支持向量机分类 |
| 3.4.1 支持向量机方法 |
| 3.4.2 分类特征选取 |
| 3.4.3 分类结果 |
| 3.5 分类结果比较 |
| 第四章 基于水云模型的水稻生物量反演 |
| 4.1 水稻生物量与后向散射系数的关系 |
| 4.2 水云模型 |
| 4.3 将水层作为特殊土壤处理的水稻水云模型 |
| 4.4 基于水稻水云模型的水稻生物量参数反演结果与分析 |
| 第五章 基于光学与雷达数据的水稻生物量协同反演 |
| 5.1 基于经验统计模型的水稻生物量反演 |
| 5.1.1 遥感经验统计模型概述 |
| 5.1.2 反演方法 |
| 5.2 水稻生物量反演结果与分析 |
| 5.3 水稻湿生物量制图方法 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的研究成果 |
